English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Metode peramalan tipe exponential smoothing sangat bergantung pada parameter pemulusan yang terkandung pada persamaan matematikanya. Parameter pemulusan terbaik dibutuhkan untuk mengetahui tipe exponential smoothing yang paling cocok digunakan dalam meramalkan data harian nilai tengah tukar rupiah terhadap USD. Parameter terbaik diperoleh dengan meminimalkan kesalahan peramalan berdasarkan MAPE dengan konstrainnya adalah persamaan peramalan untuk setiap tipe exponential smoothing. Tahapan penelitian dibagi menjadi 2 segmen yaitu tahap pelatihan dan tahap pengujian. Tahap pelatihan menunjukkan semua tipe exponential sangat baik pencocokannya terhadap data aktualnya. Kinerja metode peramalan tipe exponential smoothing diukur pada tahap pengujian. Pengukuran kesalahan peramalan menggunakan MAPE, MAD dan RMSE menunjukkan bahwa metode double exponential smoothing dengan damped trend dan simple exponential smoothing paling baik kinerjanya dibandingkan tipe exponential yang lain. Oleh karena itu, penambahan komponen tren dan musiman tidak direkomendasikan pada data nilai tengah tukar rupiah terhadap USD pada tahun 2019.

PENGUKURAN KINERJA METODE PERAMALAN TIPE EXPONENTIAL SMOOTHING DALAM PARAMETER TERBAIKNYA